• reti neurali
• dati aria
• flight control system
• sistemi dati aria

Questo lavoro si inserisce nell'attività di ricerca svolta presso il Dipartimento di Ingegneria Aerospaziale (DIA) dell'Università di Pisa, relativa alla definizione di modelli e metodi per l'integrazione dei "`dati aria"' nel Flight Control System di velivoli Fly-by-Wire ad elevate prestazioni.
Tale attività ha come obiettivo lo sviluppo di un sistema capace di stimare i parametri di volo (quota, numero di Mach, angoli di incidenza e di derapata). La ricostruzione di tali parametri è realizzata a partire dalle misure di pressione e di angoli di flusso locali fornite da sensori dati aria installati nella parte prodiera della fusoliera del velivolo. La ridondanza delle sonde, gestita da appositi algoritmi garantisce l'affidabilità dei parametri ricostruiti, grazie all'individuazione delle avarie dei sensori ed alla conseguente esclusione dal processo di calcolo delle misure associate ai sensori in avaria.
Nella presente tesi si propone uno studio volto a verificare la possibilità di avvalersi di tecniche di programmazione basate sull'uso di reti neurali per l'elaborazione dei dati aria. Si illustra dunque un sistema alternativo, denominato Air Data Module Neural Network, (ADMNN), caratterizzato da una architettura costituita da un'unica rete neurale di tipo Back Propagation, dedicata all'elaborazione di tutti e quattro i parametri di volo sopra citati (alpha, beta,M_{infty},P_{sa}). Tale architettura è stata paragonata con quella basata su funzioni polinomiali di taratura sviluppata in precedenti attività svolte presso il DIA. Il confronto tra le due architetture ha permesso di evidenziare sia le diverse caratteristiche dei due sistemi (adattabilità ai dati provenienti da un data-base di galleria del vento, impegno di memoria e CPU richiesta, eccldots) sia l'accuratezza raggiunta sui parametri elaborati. Infine, in riferimento alla calibrazione delle reti con le prove di volo a disposizione, si illustra una metodologia volta alla definizione del subset di dati di volo deputato all'addestramento delle reti, verificando successivamente (nel più ampio set di dati di volo) la bontà della stima dei parametri rispetto a quelli registrati in volo.